- name
- scene-video-generator
- description
- 根据分镜描述生成视频片段。支持多个 AI 视频生成后端：即梦 Jimeng、Kling 可灵、Runway、Pika、Vidu。输入场景描述+可选的数字人口播，输出视频片段。触发词：AI视频、生成视频、分镜视频、scene video、text to video、图生视频。
分镜视频生成
功能
将分镜描述转换为 AI 场景视频（不含数字人）：
- 纯 AI 生成场景
- 图生视频（从参考图扩展）
⚠️ 与 digital-avatar 的分工
| 需求 | 用哪个 skill |
|---|---|
| 数字人口播视频 | → digital-avatar |
| 纯 AI 场景（无人/路人/产品展示等） | → scene-video-generator（本 skill） |
数字人相关的视频生成请用 digital-avatar skill，确保后端一致性。
支持的后端
| 后端 | 特点 | 时长限制 | 适用场景 |
|---|---|---|---|
| Jimeng 即梦 | 国内，快，中文理解好 | 5s | 国内平台 |
| Kling 可灵 | 国内，质量高 | 5-10s | 高质量需求 |
| Runway | 国际，Gen-3 质量顶级 | 5-10s | 高端制作 |
| Pika | 快速，风格化强 | 3-5s | 风格化内容 |
| Vidu | 国内，性价比高 | 4-8s | 一般需求 |
默认使用 Jimeng（如已配置）。
输入参数
| 参数 | 必填 | 说明 |
|---|---|---|
| backend | - | jimeng / kling / runway / pika / vidu |
| prompt | ✓ | 场景描述（英文效果更好） |
| duration | - | 目标时长（秒） |
| aspect_ratio | - | 16:9 / 9:16 / 1:1 |
| reference_image | - | 参考图（图生视频） |
| style | - | realistic / anime / cinematic |
| motion | - | low / medium / high |
| seed | - | 随机种子（复现用） |
输出格式
video:
id: "scene_001"
backend: kling
url: "https://..."
duration: 5.0
resolution: "1920x1080"
aspect_ratio: "16:9"
prompt: "原始 prompt"
seed: 12345
status: completed工作流程
流程 A：纯 AI 生成
输入: prompt + 参数
↓
翻译/优化 prompt（如需要）
↓
调用后端 API
↓
等待渲染（30s-3min）
↓
输出: 视频 URL流程 B：图生视频
输入: reference_image + prompt
↓
上传参考图
↓
调用 image-to-video API
↓
输出: 视频 URL💡 需要数字人口播？ 请使用 digital-avatar skill。Prompt 优化技巧
结构
[主体] + [动作] + [场景] + [镜头] + [风格]示例
原始：女生在办公室看电脑
优化：A young professional woman sitting at a modern office desk,
looking at computer screen with focused expression,
soft natural lighting from window,
medium shot, shallow depth of field,
cinematic color grading镜头术语
| 中文 | 英文 | 说明 |
|---|---|---|
| 特写 | close-up | 脸部/细节 |
| 中景 | medium shot | 半身 |
| 全景 | wide shot | 全身+环境 |
| 跟拍 | tracking shot | 跟随移动 |
| 推镜 | dolly in | 推进 |
| 拉镜 | dolly out | 拉远 |
使用示例
生成场景
用户：生成一个5秒的视频，内容是：一个人在咖啡厅用笔记本工作
执行：
1. 优化 prompt
2. 调用 Kling API
3. 等待渲染
4. 返回视频 URL批量生成分镜
用户：根据这个分镜列表生成视频 [附 YAML]
执行：
1. 解析分镜列表
2. 逐个生成（或并行）
3. 返回视频列表与上下游对接
上游输入：
video-script-generator的 scenes[].shot_description（非口播场景）
下游输出：
video-stitcher消费视频片段
并行 skill：
digital-avatar负责口播场景视频- 本 skill 负责 AI 场景视频
- 两者输出都汇入
video-stitcher
注意事项
- 不同后端对 prompt 长度有限制（通常 500 字符内）
- 复杂动作/多人场景效果不稳定
- 建议先小批量测试再批量生成
- 保存 seed 以便复现满意的结果
- 渲染时间可能较长，使用异步处理